本公开的实施例公开了一种图像语义和场景几何联合约束的室内VR场景构建的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获得图像和相机距离地面的高度；对图像进行预处理；将预处理后的该图像输入至预先训练的深度残差网络中，输出该图像的特征信息；检测该特征信息中直线的信息；将该直线的信息输入至卷积神经网络中，输出该图像中墙体连接部分的信息；确定室内布局信息；将该特征信息输入至预先训练的目标检测网络中，输出该图像中室内物体信息；得到室内物体的位置信息；完成室内与虚拟现实交互场景的构建。该实施方式通过室内VR交互场景的构建来精准、快速的还原图像真实场景。